Agent Scriptは、大規模言語モデル上に宣言型スクリプト層を提供し、YAMLまたはJSONのスクリプトを書いてエージェントのワークフロー、ツール呼び出し、メモリ使用を定義できます。OpenAIやローカルLLM、その他のプロバイダーをプラグインし、外部APIをツールとして接続し、長期メモリバックエンドを設定可能です。このフレームワークは、コンテキスト管理、非同期実行、詳細なロギングを標準で処理します。最小限のコードでチャットボット、RPAワークフロー、データ抽出エージェント、カスタム制御ループのプロトタイピングが可能であり、AI駆動の自動化の構築、テスト、展開を容易にします。

Fast-LLM-Agent-MCPは、メモリ管理、思考の連鎖推論、多段階計画を組み合わせたAIエージェントを構築するための軽量なオープンソースPythonフレームワークです。開発者はOpenAI、Azure OpenAI、ローカルLlamaなどのモデルと統合し、会話のコンテキストを維持し、構造化された推論の_trace_を生成し、複雑なタスクを実行可能なサブタスクに分解できます。そのモジュール式設計により、カスタムツールやメモリストアの統合が可能で、バーチャルアシスタント、意思決定支援システム、自動カスタマーサポートボットなどのアプリケーションに最適です。

SelfDrivingCarSimulatorは、Pygame上に構築された軽量のPythonフレームワークで、強化学習を用いた自律車両エージェントのための2D運転環境を提供します。カスタマイズ可能なコースレイアウト、LiDARやカメラエミュレーションなどのセンサーモデル、リアルタイムの視覚化、およびパフォーマンス分析のためのデータロギングをサポートします。開発者はRLアルゴリズムの統合、物理パラメータの調整、速度や衝突率、報酬関数の監視を行い、自動運転の研究や教育プロジェクトを迅速に反復できます。

AgentSimJSは、JavaScriptで大規模なエージェントベースのモデルの作成と実行を簡素化するように設計されています。モジュール式のアーキテクチャにより、開発者は状態、センサー、意思決定関数、アクチュエータを持つエージェントを定義し、それらをグローバル変数でパラメータ化された動的な環境に統合できます。フレームワークは、離散時間ステップのシミュレーションを調整し、エージェント間のイベント駆動型メッセージングを管理し、相互作用データを記録します。視覚化モジュールは、HTML5 Canvasや外部ライブラリを使用したリアルタイムレンダリングをサポートし、プラグインを通じて統計ツールとの連携も可能です。AgentSimJSは、現代のウェブブラウザとNode.jsの両方で動作し、インタラクティブなWebアプリケーション、学術研究、教育ツール、群知能、集団ダイナミクス、分散AIの実験の迅速なプロトタイピングに適しています。

DocumentAI-Backendは、ドキュメントからのテキスト、フォームフィールド、構造化データの抽出を自動化する軽量なバックエンドフレームワークです。PDFや画像をアップロードするREST APIエンドポイントを提供し、Google Document AIとOCRフォールバックを使用して処理し、解析結果をJSONで返します。Python、FastAPI、およびDockerを使用して構築されており、既存システムへの迅速な統合、拡張可能なデプロイメント、設定可能なパイプラインやミドルウェアによるカスタマイズを可能にします。